第 4 站 · 記住東西該站第 2 / 11 場

把第二大腦變成研究記憶系統

009Paul Iusztin（Decoding AI）、Louis-François Bouchard（Towards AI）39:322026-06-26

Turn 10,994 Notes Into Memory - Paul Iusztin, Decoding AI & Louis-François Bouchard, Towards AI

把第二大腦變成研究記憶系統 —— Towards AI的演講縮圖

示範怎麼用純檔案加 index.yaml，把雜亂的第二大腦變成 agent 能查詢、會持續進化的知識庫。

重點摘要

  • 第二大腦太亂太難用：Paul 每個月新增約 250 篇筆記，分散在 Obsidian、Readwise、Notion、Google Drive，真正要用的時候常常找不到、也記不得自己寫過什麼。
  • 不是不用 agent，是缺一層系統：直接把資料丟給 Codex 或 NotebookLM 這類工具能用，但每次開新對話都得重新貼一次來源，agent 也沒有跨專案、跨時間持續累積的記憶。
  • 三個版本一路加複雜度：第一版只用 golden links 跑 deep research、產出一份靜態 research.md；第二版把同一套演算法改成對準自己的 second brain，不用再手動找連結；第三版才加上會持續更新的 wiki 層。
  • 純檔案取代資料庫：整套系統不用向量資料庫或知識圖譜，只靠一個 index.yaml 當索引，指向 raw（原始資料）與 wiki（LLM 整理出的比較、概念、實體筆記）兩個資料夾。
  • 查詢會省 token，也會留下痕跡：agent 先看 index 摘要，不夠才展開 wiki 衍生頁，最後才讀原始全文；每一次提問也都會被記錄下來，讓 wiki 隨著使用不斷長出新內容。
  • 刻意不做成產品：整套 AI Research OS 開源釋出，包成 Claude Code plugin，但兩人坦言還缺 Google Drive、Notion 等 connector，因為目的是教學，不是打磨一個好用的 UI。

時間軸15 段

00:00開場困境Paul Iusztin 自我介紹，說明第二大腦筆記爆量卻很難在需要時找到有用內容。
02:05換手自我介紹Louis-François Bouchard 接棒自我介紹，說明想讓多年累積的研究筆記被更好運用。
03:31先分工具再談系統快速問題直接問 ChatGPT 或 Claude 就好，只有大型、會持續累積的專案才值得建專屬研究系統。
05:37既有工具的侷限NotebookLM 好用但資料不算自己的、也不是 agent-native，寫程式相關任務又弱；向量資料庫 RAG 則需要額外基礎建設，難用手動檢視。
08:48核心觀察對 agent 來說，context window 得同時當資料庫、檔案系統與記憶，對話一結束就全部歸零。
12:48為何一路疊代三版兩人交代這套系統原本只是為了做課程教材，後來因為想要更多才不斷加複雜度。
13:04第一版：golden links輸入主題與人工整理的 golden links，跑 deep research 演算法產出一份靜態 research.md，用在課程的 35 堂課裡。
15:37第二版：對準第二大腦把同一套 deep research 演算法改成對準自己的 Obsidian、Readwise、NotebookLM，不用再手動找 golden links。
18:19第三版：加上 wiki 層research.md 是死的，改一次要整個重跑很貴，於是在上面加一層會持續更新的 wiki 知識庫。
20:07index.yaml 當入口不用資料庫，全部靠一個 index.yaml 目錄檔記錄所有來源與 wiki 衍生頁的摘要、metadata。
22:50查詢分層省 tokenagent 先看 index 摘要，不夠再展開 wiki 衍生頁，真的需要才回頭讀原始全文。
24:07wiki 會自己長大每次提問都會被記錄成軌跡，wiki 不只靠灌入新資料成長，光是被問問題就會持續進化。
27:42Demo 1：吃 Obsidian 草稿拿一篇還沒寫完的文章草稿跑 research skill，示範 light、fast、deep 三種深度可以怎麼選。
31:59Demo 2：直接吃原始碼不跑 deep research，直接把幾個開源專案的程式碼餵進去，依 permission flow、記憶系統等主題產生逐專案筆記與跨專案比較。
36:46還很粗糙，但故意的坦言還缺 Google Drive、Notion 等 connector，且刻意不做成有 UI 的產品，因為目的是教記憶與 context 管理。

值得記的話5 句

  • I spent 18 months turning my second brain into my living research memory.我花了 18 個月，把我的第二大腦變成活的研究記憶庫00:00
  • And it also means that you are fully dependent on the architecture that OpenAI or ChatGPT's team built.這也代表你完全依賴 OpenAI 或 ChatGPT 團隊打造的架構04:06
  • All this information that you give to the model is not the bottleneck.你餵給模型的所有資訊都不是瓶頸08:31
  • Meaning that with an agent, the context window becomes everything.也就是說，對 agent 來說，context window 變成了一切08:48
  • The project is the work, and your second brain is the research.專案就是產出的工作，第二大腦才是研究本身26:50

名詞與人物7 個

Paul Iusztin
講者之一，Decoding AI 創辦人暨執行長，主要教怎麼把 AI 產品做上線。
Louis-François Bouchard
講者之一，Towards AI 共同創辦人暨技術長，也是 YouTube 頻道 What's AI 的創辦人。
AI Research OS
兩人開源釋出的 repository，把這場示範的技能包成 Claude Code plugin。
index.yaml
整套系統的入口目錄檔，記錄所有來源與 wiki 衍生頁的摘要與 metadata。
Obsidian
Paul 存放筆記的本機 markdown 工具，在這套系統裡是不可變動的原始筆記快照。
PARA 方法
用 Projects、Areas、Resources、Archive 分類筆記的方法，講者說是 Tiago 提出的。
Bright Data
被提到可以用來爬任意單頁應用網站的服務，講者沒有展開細節。

提到但沒有展開

  • Demo 2 直接吃三個開源專案的原始碼，產生跨專案比較，但沒有細講怎麼接進其他 harness。
  • Bright Data 只被點名可以拿來爬任意單頁應用網站，沒有進一步說明用法。
  • 提到有一門叫 Agent Engineering 的課程，大約 60 小時，最終專案就是打造一套類似的多 agent 深度研究系統，只點名沒有展開內容。

Agent開發工具研究開源

在 YouTube 看原片 ↗